SEO記事の制作・入稿が1時間前後に。
AIとferret One MCPで、月20〜30本を無理なく制作できる体制へ。

菊池氏

記事制作は、社内での内製と、SEO記事の外部ベンダーへの委託という2つの体制で行っていましたが、特に外注体制における公開までのリードタイムが非常に長かったことが問題点でした。

外部ベンダーに委託するSEO記事の場合、キーワード選定に1〜2週間。
そこから初稿がまとまるまでで約1ヶ月、修正を重ねて2.5ヶ月ほどが経過し、入稿まで含めると合計で3ヶ月ほどの時間がかかっていました。

菊池氏

記事をferret Oneに入稿する作業は地味に大変でした。

流し込んだ後に元の原稿と正しく合っているか照合もしないといけなかったので、その作業がなくなることでスピードも上がるし、精神的な負荷も下がります。

菊池氏

記憶に関する事業ドメインは、先駆者が少なく抽象度も高いテーマです。SEOも当たるかどうかが分からない中で多くの検証を重ねていかないといけません。
そういった前提を毎回外注先にオリエンテーションしていくやり方だと、検証スピードが遅くなってしまう。

もし、1回あたりの検証コストを下げられれば、期待通りの結果が出なくても次をすぐ試せるようになります。「数十本の記事単位でスピーディーに施策の検証ができるなら、すぐやるべきだ」という話に持っていけます。

特に立ち上げ期〜成長期の事業は当たり外れがつきものです。
1つ1つのコストが高いと「これかあれか」を選ばなきゃいけませんが、それを「まずは試してみよう」に切り替えられることに大きな意味があります。

菊池氏

AI単体でできることは増えたものの、それをどう運用フロー全体に埋め込んで、チームでどう使っていくかが悩みどころで、模索していました。

記事制作の工程をAIに置き換えたいとは思っていましたが、AIで記事を作り、品質を担保しながら入稿までつなげる一連のフローにしたとき、本当に対応しきれるのだろうかという疑念もありました。

そんな中でferret One MCPのリリースノートを見て、これは試す価値がありそうだと思い、モニターに申し込みました。

菊池氏

記事制作を始めてから入稿するまでの一連のフローで、通常は1時間前後、早ければ30分程度、多くチェックが入っても2時間程度で1本の記事を制作できるようになりました。

担当者がAIの記事制作スキルを用いて15〜45分ほどで記事を作成し、AIのブランドレビュースキルを通して品質を向上させます。最後にそれを私が10分ほどで最終チェックします。

このフローにすることで私の手元にチェック依頼がくる時点でかなり練られた記事になっているため、レビューでも大きな修正はほとんどありません。

最後に入稿作業ですが、ferret One MCPを使うと5分ぐらいで終わります。

菊池氏

以前は3ヶ月強で10本公開できるぐらいのペースでした。

それが今では多くの場合1時間前後で1本が仕上がります。
月に20〜30本ぐらいの記事制作は内製で無理なくできるペースになりましたね。

AI活用が進むと最後のボトルネックは人になると言いますが、まさに私のレビュー時間がネックになりつつあるほどにペースアップできています（笑）。
ただし、AIによるコンテンツが急速に増えている現在では、信頼性がカギになるため、最後に人の目で確認する工程はまだ外せません。

菊池氏

検索ボリュームの調査・キーワード選定・記事の生成・meta title／descriptionの提案まで任せています。もう以前の体制には戻れないと思うぐらい、工程が変わりました。

時間の圧縮もありますが、心理的に「悩むより、まず出して反応を見よう」というマインドに変わったことが大きいです。

外注先や新しいライターさんへのオンボーディングが不要になったのも大きな変化です。
新しく入ったメンバーでも、AIを使って標準化された制作フローに沿って進め、最終的にレビューを行えば、品質を保ちやすくなりました。ツールに適応する必要も、文脈をゼロから教える必要もない。担当者が変わっても、一定の品質とリードタイムを保ちやすい状態になりました。これが一番大きな成果かもしれません。

菊池氏

一般的に外注で成果を出すには、発注者側の力量も大きく問われます。
シャープな戦略や意図を伝えないと、いくらいいライターでも成果につながるアウトプットを出すのは難しいものです。

AIを使う上でも、依頼の仕方によって成果が左右される点は同じです。

ただし、AIには営業資料を始めとしたかなりボリュームのある社内資料を読み込ませて、前提の文脈をまとめてシェアできます。

さらに実際のアウトプットを見ながら情報を追加したり修正したりといったPDCAを細かく回すことができます。そうして、一度AIをチューニングすると、繰り返し安定したアウトプットが期待できます。

外注先も一貫したアウトプットを提供してくださっていましたが、検証フェーズにおいてはAIを活用することも一つの手だと考えています。

菊池氏

意外だったのは、ferret OneのMCPが担うのは入稿という全体工程の中の一部に過ぎないのに、そのボトルネックを解消するだけで、こんなに肩の荷が下りて楽になるのか、という実感の大きさでした。

入稿プロセスの自動化だけでもこんなに楽になるものだとは思っていませんでした。

菊池氏

シンプルに便利すぎて、やめられないからです。

外部ベンダーとのコスト差を考えても、なくてはならない機能になったという感じですね。AIやMCPへの投資によって、単なる効率化だけではなく、記事制作のノウハウや仕組みを社内に資産として蓄積できる点も大きかったです。

菊池氏

世の中には明らかにAIだと分かる記事もありますが、今の弊社の記事では、そういうAIらしさはある程度削ぎ落とされてきていると感じます。

それは、細かく人間が見て「この表現はやめてほしい」という点をAIにフィードバックして、自社らしい文体にチューニングしてきたからだと思います。

菊池氏

書き手がたくさんいた時は、ブランドパーソナリティを統一するためのチューニングが大変でした。Aさん、Bさん、Cさんとライターが違えば、書きぶりも語彙も変わってしまいます。品質をどう捉えるかにもよりますが、複数のライターに依頼していた頃と比べると、AIを使うことで一貫性や論理の整合性を保ちやすくなったと感じます。

ライターさんの原稿をレビューしていると、自社の思っているロジック展開と違う、という指摘をすることが時々ありました。
一方、今の運用では、AIに対してその指摘をすることはかなり減りました。大きく直しても順番を変える程度で済むことが多いです。複数のライターが書くより、AIの方が一貫性を保てるということは、実際に運用してみて見えてきた発見でした。

菊池氏

ハルシネーションの問題はありました。

存在しないホワイトペーパーがある前提で「これをCTAにしましょう」と、勝手にAIが作り上げてしまったこともありました。誤った情報をそのまま公開しないためには、ハルシネーションが起こり得ることを前提に、参照する情報源を限定したり、引用元を人がファクトチェックしたりといったガードレールを設けることが必須だと思います。

それがなかった頃は、今より初稿のクオリティにばらつきがあったと思います。

菊池氏

LLMOをはじめ、新しいテーマで早期にポジショニングを形成したい場合、一定量のコンテンツをスピーディーに出して検証する重要性は高まっていると感じます。

この「量を増やしても品質は下げない」という考え方は、今後さらに浸透していき、Web上にはますます多くのコンテンツが増えていくはずです。
量を出すからこそ、一本一本の品質基準は下げたくない。その中で選ばれるために、事例や一次情報を多く蓄え、自社にどんな価値があるのかを考え、それをどの切り口で伝えれば届くのか、仮説を多く出して検証していく。そのスタンスを一層強化していきたいです。

菊池氏

全てのスタートアップ企業に薦めたいですね。

スタートアップでリソースが潤沢でなくても、デジタル上の認知を獲得できる道はあると思います。
予算がない、人数が少ない、というのが理由でなかなか動き出せない企業が多いと思いますが、特にそういう会社にこそ試していただきたいですね。

菊池氏

とにかく検証のスピードを上げていくべきです。

それを怠って今までのやり方を続けていると、確実に差をつけられてしまうと思います。PDCAを速くしたいなら、まずは試してみる価値があると思います。それをやって初めて、これからの競争に参加するためのスタートラインに立てる、という感覚に近いです。